Gaze Control for Redundant Robot Heads (BIOLOOK): Difference between revisions

From ISRWiki
Jump to navigation Jump to search
No edit summary
No edit summary
 
Line 1: Line 1:
[[Image:Attentibot1.jpg |frame|The humanoid Robot iCub]]
[[Image:Attentibot1.jpg |frame|The humanoid Robot iCub]]


* Orientador: '''Prof. Alexandre Bernardino'''
* Orientador: '''Dr. Manuel Lopes'''
* Co-Orientador: '''Prof. José Santos Victor'''
* Co-Orientador: '''Prof. Alexandre Bernardino'''
* Acompanhante: '''Dr. Plinio Moreno'''




Work framed by the Humanoids Robotics Research Area of the ISR Computer and Robot Vision Lab (Vislab).
Work framed by the Humanoids Robotics Research Area of the ISR Computer and Robot Vision Lab (Vislab).


Keywords: Computer Vision, Human Robot Interaction.
Este projecto enquadra-se na área de robótica cognitiva.
Kewords: Controlo, Robótica, Human-Robot Interfaces.


=== Objectives ===
=== Objectivos ===


Exploit the knowledge about human attention studies to derive efficient pattern search mechanisms in object detection tasks. Application of the methods to a humanoid robot in order to interact with objects of interest in the scene with improves reaction times.
Desenvolver metodologias para a coordenação de comportamentos para uma cabeça robótica. O sistema deverá utilizar a redundância do sistema para reduzir consumos energéticos e principalmente para emitir expressões. Com isto o robot será capaz de olhar para objectos interessantes e de seguir alvos.


=== Description ===
=== Descrição ===


Current object detection technology exhaustively searches the images for patterns of interest. Although such brute-force approaches may present good performance in terms of successful detections, they are often too computationally demanding because require the scan of the full image, independently of the task they are engaged on. Humans instead allocate their attentional resources ("computational power") to the most promising parts of the visual field, according to their current expectations. They are, therefore, able to react faster, in average, to the environmental events. In this work we will exploit the knowledge of humans visual attention to design artificial vision algorithms more efficient that existing ones.
Os sistemas robóticos actuais contêm um número de graus de liberdade superior ao mínimo necessário para executar as tarefas pretendidas. Esta redundância extra acrescenta robustez e flexibilidade ao lidar com ambiente mais complexos. Visto que o robot pode assumir diversas posturas para executar a mesma tarefa, pode escolher a forma como as executa com algum critério. Trabalhos típicos em robótica, exploram a redundância principalmente para evitar obstáculos.  


=== Prerequisites ===
Devido a atrasos e latências sempre presentes nos sistemas de controlo (quer naturais quer artificiais) a habilidade de seguir alvos ou referências arbitrárias com erros nulos não é possivel se apenas se utilizarem métodos clássicos de controlo por feedback.  Para compensar esses atrasos é necessário conseguir antecipar a trajectória dos alvos no futuro próximo e controlar o sistema de uma forma antecipativa. Isto requer o desenvolvimento de preditores que sejam capazes de identificar que tipos de trajectórias são executadas pelos alvos, quais os seus parâmetros e qual a incerteza da sua predição para instantes adequados no futuro.


Average grade > 14.
Os sistemas biologicos exibem grande capacidade para se adaptar e seguir com erro mínimo trajectórias regulares de alvos. Bebés humanos com menos de 12 meses já conseguem seguir com erro nulo movimentos sinusoidais. Que tipo de mecanismos neurológicos estão por trás destas capacidades. Alguns trabalhos existentes tentam modelar o comportamento dos humanos e propôem a utilização de técnicas de mínimos quadrados recursivos para abordam o problema do seguimento de sinusoides. No entanto,  para outros tipos de movimentos mais gerais, ainda não se conhecem os modelos mais adequados.  
It is recommended a good knowledge of Signal and/or Image Processing, as well as Machine Learning.  


=== Expected Results ===
Neste trabalho pretende-se estudar metodologias que permitam a um sistema artificial aprender preditores para modelos gerais de movimentos regulares utilizando dados obtidos de seres humanos, e utilizar estes predictores para melhor as capacidades de seguimento de alvos.  O laboratório de visão por computador (Vislab) do Instituto de Sistemas e Robótica/IST tem um equipamento que permite medir com precisão a direcção de observação de um ser humano em relação a um display onde são apresentados objectos em movimento. Este setup será utilizado para recolher sequencias de dados que permitam validar algumas técnicas de predição conhecidas e comparar diversos métodos. Para além disso, existem dados obtidos de experiencias com bebés que demonstram a forma como estes comportamentos se desenvolvem. 


The algorithms will be implemented in the iCub robot platform. It is expected that the algorithms will allow faster reaction times and higher responsiveness to the external events that currently existing methodologies.
=== Pré-requisitos ===
The developed algorithms will also have an impact on the implementation of object detection algorithms (e.g. faces) in low power processors such as the ones existing in digital cameras, mobile phones, etc, possibly leading to commercial applications.


=== Related Work ===
Bons conhecimentos em Processamento de Sinal, Controlo  e Programação (C/C++)
 
=== Resultados Esperados ===
 
Controladores capazes de usar a redundância para emitir expressões, reduzir energia ou potenciar o tempo de reacção, usando preditores aprendidos a partir de sequencias de treino. Comparação com os desempenhos exibidos pelos seres humanos.
 
=== Trabalho Relacionado ===


Multimodal Saliency-Based Bottom-Up Attention A Framework for the Humanoid Robot iCub,  Jonas Ruesch, Manuel Lopes, Alexandre Bernardino, Jonas Hornstein, José Santos-Victor, Rolf Pfeifer, 2008 IEEE International Conference on Robotics and Automation Pasadena, CA, USA, May 19-23, 2008.  
Multimodal Saliency-Based Bottom-Up Attention A Framework for the Humanoid Robot iCub,  Jonas Ruesch, Manuel Lopes, Alexandre Bernardino, Jonas Hornstein, José Santos-Victor, Rolf Pfeifer, 2008 IEEE International Conference on Robotics and Automation Pasadena, CA, USA, May 19-23, 2008.  
Link: http://www.isr.ist.utl.pt/labs/vislab/publications/08-icra-attention.pdf
Link: http://www.isr.ist.utl.pt/labs/vislab/publications/08-icra-attention.pdf

Latest revision as of 13:45, 27 April 2009

The humanoid Robot iCub
  • Orientador: Dr. Manuel Lopes
  • Co-Orientador: Prof. Alexandre Bernardino


Work framed by the Humanoids Robotics Research Area of the ISR Computer and Robot Vision Lab (Vislab).

Este projecto enquadra-se na área de robótica cognitiva. Kewords: Controlo, Robótica, Human-Robot Interfaces.

Objectivos

Desenvolver metodologias para a coordenação de comportamentos para uma cabeça robótica. O sistema deverá utilizar a redundância do sistema para reduzir consumos energéticos e principalmente para emitir expressões. Com isto o robot será capaz de olhar para objectos interessantes e de seguir alvos.

Descrição

Os sistemas robóticos actuais contêm um número de graus de liberdade superior ao mínimo necessário para executar as tarefas pretendidas. Esta redundância extra acrescenta robustez e flexibilidade ao lidar com ambiente mais complexos. Visto que o robot pode assumir diversas posturas para executar a mesma tarefa, pode escolher a forma como as executa com algum critério. Trabalhos típicos em robótica, exploram a redundância principalmente para evitar obstáculos.

Devido a atrasos e latências sempre presentes nos sistemas de controlo (quer naturais quer artificiais) a habilidade de seguir alvos ou referências arbitrárias com erros nulos não é possivel se apenas se utilizarem métodos clássicos de controlo por feedback. Para compensar esses atrasos é necessário conseguir antecipar a trajectória dos alvos no futuro próximo e controlar o sistema de uma forma antecipativa. Isto requer o desenvolvimento de preditores que sejam capazes de identificar que tipos de trajectórias são executadas pelos alvos, quais os seus parâmetros e qual a incerteza da sua predição para instantes adequados no futuro.

Os sistemas biologicos exibem grande capacidade para se adaptar e seguir com erro mínimo trajectórias regulares de alvos. Bebés humanos com menos de 12 meses já conseguem seguir com erro nulo movimentos sinusoidais. Que tipo de mecanismos neurológicos estão por trás destas capacidades. Alguns trabalhos existentes tentam modelar o comportamento dos humanos e propôem a utilização de técnicas de mínimos quadrados recursivos para abordam o problema do seguimento de sinusoides. No entanto, para outros tipos de movimentos mais gerais, ainda não se conhecem os modelos mais adequados.

Neste trabalho pretende-se estudar metodologias que permitam a um sistema artificial aprender preditores para modelos gerais de movimentos regulares utilizando dados obtidos de seres humanos, e utilizar estes predictores para melhor as capacidades de seguimento de alvos. O laboratório de visão por computador (Vislab) do Instituto de Sistemas e Robótica/IST tem um equipamento que permite medir com precisão a direcção de observação de um ser humano em relação a um display onde são apresentados objectos em movimento. Este setup será utilizado para recolher sequencias de dados que permitam validar algumas técnicas de predição conhecidas e comparar diversos métodos. Para além disso, existem dados obtidos de experiencias com bebés que demonstram a forma como estes comportamentos se desenvolvem.

Pré-requisitos

Bons conhecimentos em Processamento de Sinal, Controlo e Programação (C/C++)

Resultados Esperados

Controladores capazes de usar a redundância para emitir expressões, reduzir energia ou potenciar o tempo de reacção, usando preditores aprendidos a partir de sequencias de treino. Comparação com os desempenhos exibidos pelos seres humanos.

Trabalho Relacionado

Multimodal Saliency-Based Bottom-Up Attention A Framework for the Humanoid Robot iCub, Jonas Ruesch, Manuel Lopes, Alexandre Bernardino, Jonas Hornstein, José Santos-Victor, Rolf Pfeifer, 2008 IEEE International Conference on Robotics and Automation Pasadena, CA, USA, May 19-23, 2008. Link: http://www.isr.ist.utl.pt/labs/vislab/publications/08-icra-attention.pdf

Retrieved from "http://mediawiki.isr.tecnico.ulisboa.pt/index.php?title=Gaze_Control_for_Redundant_Robot_Heads_(BIOLOOK)&oldid=1045"